开栏语：当无人配送车穿梭街巷接驳物流，当“空铁轨联运”织就立体交通网，深圳正以全国一线城市首位的功能型无人车投放量，书写智能网联产业的实践样本。

从都市峡谷淬炼出来的多源融合导航技术，到数据驱动下的AI算法迭代；从物流“最后五公里”的效率革命，到跨域联运的模式突破，深圳以完整产业链为基、以开放场景为壤，让无人车从技术概念走向规模商用。

为记录深圳的创新实践，羊城晚报特别策划《无人车深观察》栏目，专访科研专家、行业专家与企业代表，深度拆解技术攻关的核心密码，探寻政策赋能的破局之道，解码商业落地的成功逻辑。

对话牛小骥（科研专家，武汉大学卫星导航定位技术研究中心教授）

12月21日，羊城晚报记者专访武汉大学卫星导航定位技术研究中心教授、博导牛小骥。牛小骥是武大惯性导航与组合导航学科带头人，曾与深圳多家企业技术合作。

他指出，深圳高楼林立的复杂环境恰恰是磨练高可靠、高可信导航技术的“完美考场”，而将数据视为“AI时代金矿”并开放共享，将是推动技术迈向更高阶的关键。

解码“零主责事故”：

AI算法成熟及复杂环境淬炼

羊城晚报：从导航与感知技术的专业角度看，您如何评价深圳无人车实现“零主责事故”这一安全突破？哪些技术起到了关键作用？

牛小骥：这个成绩确实不容易。从技术层面看，我认为得益于两方面：一是感知端AI算法的成熟与应用。深圳拥有像大疆这样的“黄埔军校”，聚集了大量优秀的AI研发人才，他们在深度学习、视觉感知方面的工程化能力非常强，这不是简单拼凑方案能比的。

二是复杂环境倒逼出的高可靠、高可信导航技术。深圳高楼林立的都市峡谷，是全球卫星导航系统（GNSS）信号遮挡和多路径反射最严重的场景之一，这对依赖定位的无人车是巨大挑战。但正因为环境苛刻，它成为了磨练无人系统组合导航技术的理想“练兵场”。企业必须把惯性导航（INS）和卫星导航（GNSS）充分组合，并融合视觉、激光雷达等多源信息，才能在这里稳定运行。这种在极端场景下打磨出的技术方案，其可靠性更高。

羊城晚报：您提到组合导航，深圳在推动这类应用技术落地方面，提供了什么独特条件？

牛小骥：首先是真实且迫切的需求。企业要在深圳这样道路环境复杂的城市规模化运营，对稳定、连续、精准的定位有刚性需求，这直接驱动了技术的快速迭代和工程化落地。其次是丰富的测试场景和数据。深圳开放了大量公开道路和多样化的运营线路（如快递、环卫），车辆每天产生海量的真实运行数据，尤其是那些定位信号失锁、受到干扰的“坑点”数据，对于改进算法无比珍贵。

我的团队与深圳企业的合作，很多就是针对这些具体痛点进行攻关。此外，深圳完整的产业链使得从技术研发到硬件集成、产品部署的效率非常高，形成了快速反馈闭环。

进阶献策：

数据、保险创新与校企协同共促发展

羊城晚报：深圳提出，未来还将借鉴武汉等城市经验。身为武汉当地的专家，您对深圳未来无人车发展，尤其在技术研发与生态构建上，有何具体建议？

牛小骥：我有三点建议。第一，将数据视为战略资源进行有条件开放。当前技术飞跃靠的是数据驱动的AI训练，但高校和不少研究机构极度缺乏大规模、高质量、有挑战性的真实场景数据。深圳拥有这座“数据金矿”，建议政府可以牵头，在脱敏和安全的前提下，开放一些典型园区、楼群密集路段的数据集，设立“挑战赛”、“技术擂台”，吸引全国乃至全球高校团队来攻克难题。

第二，探索保险等金融工具的创新支持。无人车安全顾虑是一个主要的推广阻力。只要证明其事故率低于人类驾驶员，对保险公司就是好业务。建议在示范区内积极引入保险机制，设计适配新险种。保险公司不仅有资金，其积累的历史出险数据，对规划安全路径也极有价值。让他们“上车”，既能分摊风险，也能反哺技术。

第三，关注技术融合与“白盒”算法。不能只依赖AI“黑盒”模型。比如，导航中的组合滤波算法是经典的“白盒”模型，它严谨、可靠、可解释。要把AI的感知优势与这类可靠的基础算法充分结合，两条腿走路，才能走得更稳更远。另外，深圳在传感器、芯片上有产业优势，有能力研发更便宜、更精良、更可靠的硬件，从底层支撑技术进步。

羊城晚报：武汉大学在导航领域底蕴深厚，如何与深圳的产业前沿更好结合？

牛小骥：我们和深圳相关企业的合作一直在进行。我的很多学生毕业后都去了深圳，就是因为那里产业活跃、机会多。武汉大学在测绘遥感、导航定位、高精度地图方面有长期积累，并且很早就开始融合AI研究无人驾驶应用。我们与深圳企业的合作模式，通常是他们提出产业一线的明确痛点，比如城市楼群、特定立交桥下的连续定位问题，我们利用理论和算法优势进行前沿攻关。但要想合作得更深入，正如刚才所说，离不开真实数据的“燃料” 和验证场景。深圳企业如果能提供更开放的数据接口和测试验证条件，对高校团队的吸引力会非常大。

武汉大学在粤港澳大湾区设有技术转移转化中心，这正是很好的校企对接平台。我们期待能更深度地参与到深圳无人车技术演进迭代的进程中，共同解决那些制约迈向更高阶自动驾驶的基础性技术难题。

统筹｜记者 林园

文字｜记者 宋王群